我們聽mp3,看電影都會注意到兩個參數,常見的有采樣率44.1KHz,比特率192Kbps,那么什么是采樣率,什么是比特率?他們是什么關系呢?下面就我們就來簡單做個解釋：
把模擬音頻信號轉成數字音頻信號的過程稱作采樣，簡單地說就是通過波形采樣的方法記錄1秒鍾長度的聲音，需要多少個數據點。eg：44.1KHz采樣率的聲音就是要花費44000個數據點來描述1秒鍾的聲音波形。原則上采樣率越高，聲音質量越好；采樣頻率一般共分為22.05KHz、44.1KHz、48KHz三個等級；22.05 KHz只能達到FM廣播的聲音品質，44.1KHz則是理論上的CD音質界限，48KHz則已達到DVD音質了。
采樣率是指將聲音（模擬信號）轉換成mp3（數字信號）時的采樣頻率，也就是單位時間內采樣多少點數據。（一個采樣點數據有8（甚至更多）個比特。）
比特率是指每秒傳送的比特(bit)數。單位為 bps(Bit Per Second)，比特率越高，傳送的數據越大，音質越好。
可以這樣講，采樣率和比特率就像是坐標軸上的橫縱坐標。橫坐標的采樣率表示了每秒鍾的采樣數據點。縱坐標的比特率表示了用數字量來量化模擬量的時候的精度。
采樣率類似於動態影像的幀數，比如電影的采樣率是24赫茲，PAL制式的采樣率是25赫茲，NTSC制式的采樣率是30赫茲。當我們把采樣到的一個個靜止畫面再以采樣率同樣的速度回放時，看到的就是連續的畫面。同樣的道理，把以44.1kHZ采樣率記錄的CD以同樣的速率播放時，就能聽到連續的聲音。顯然，這個采樣率越高，聽到的聲音和看到的圖像就越連貫。[當然，人的聽覺和視覺器官能分辨的采樣率是有限的，基本上高於44.1kHZ采樣的聲音，絕大部分人已經覺察不到其中的分別了。]
而聲音的位數相當於畫面的顏色數，表示每個取樣的數據量，當然數據量越大，回放的聲音越准確，不至於把開水壺的叫聲和火車的鳴笛混淆。同樣的道理，對於畫面來說就是更清晰和准確，不至於把血和西紅柿醬混淆。[不過受人的器官的機能限制，16位的聲音和24位的畫面基本已經是普通人類的極限了，更高位數就只能靠儀器才能分辨出來了。比如電話就是3kHZ取樣的7位聲音，而CD是44.1kHZ取樣的16位聲音，所以CD就比電話更清楚。]
當你理解了以上這兩個概念，比特率就很容易理解了。以電話為例，每秒3000點取樣，每個取樣是7比特，那么電話的比特率是21000。而CD是每秒44100點取樣，兩個聲道，每個取樣是13位PCM編碼，所以CD的比特率是44100*2*13=1146600，也就是說CD每秒的數據量大約是144KB，而一張CD的容量是74分等於4440秒，就是639360KB＝640MB。
聲音其實是一種能量波，因此也有頻率和振幅的特征，頻率對應於時間軸線，振幅對應於電平軸線。波是無限光滑的，弦線可以看成由無數點組成，由於存儲空間是 相對有限的，數字編碼過程中，必須對弦線的點進行采樣。采樣的過程就是抽取某點的頻率值，很顯然，在一秒中內抽取的點越多，獲取得頻率信息更豐富，為了復 原波形，一次振動中，必須有2個點的采樣，人耳能夠感覺到的最高頻率為20kHz，因此要滿足人耳的聽覺要求，則需要至少每秒進行40k次采樣，用 40kHz表達，這個40kHz就是采樣率。我們常見的CD，采樣率為44.1kHz。光有頻率信息是不夠的，我們還必須獲得該頻率的能量值並量化，用於表示信號強度。量化電平數為2的整數次冪，我們常見的CD位16bit的采樣大小，即2的16次方。采樣大小相對采樣率更難理解，因為要顯得抽象點，舉個簡單例子：假設對一個波進行8次采樣，采樣點分別對應的能量值分別為A1-A8，但我們只使用2bit的采樣大小，結果我們只能保留A1-A8中4個點的 值而舍棄另外4個。如果我們進行3bit的采樣大小，則剛好記錄下8個點的所有信息。采樣率和采樣大小的值越大，記錄的波形更接近原始信號。
要算一個PCM音頻流的碼率是一件很輕松的事情，采樣率值×采樣大小值×聲道數bps。一個采樣率為44.1KHz，采樣大小為16bit，雙聲道的 PCM編碼的WAV文件，它的數據速率則為44.1K×16×2=1411.2Kb/s。我們常說128K的MP3，對應的WAV的參數，就是這個 1411.2Kb/s，這個參數也被稱為數據帶寬，它和ADSL中的帶寬是一個概念。將碼率除以8,就可以得到這個WAV的數據速率，即176.4KByte/s。這表示存儲一秒鍾采樣率為44.1KHz，采樣大小為16bit，雙聲道的PCM編碼的音頻信號，需要176.4KB的空間，1分鍾則約為10.34M，這對大部分用戶是不可接受的，尤其是喜歡在電腦上聽音樂的朋友，要降低磁盤占用，只有2種方法，降低采樣指標或者壓縮。降低指標是不可取的，因此專家們研發了各種壓縮方案。
16位二進制數的最小值是0000000000000000，最大值是1111111111111111，對應的十進制數就是0和65535，也就是最大和最小值之間的差值是65535，也就是說，它量化的模擬量的動態范圍可以差65535，也就是96.32分貝，所以，量化精度只和動態范圍有關，和頻率響應沒關系。動態范圍定在96分貝也是有道理的，人耳的無痛苦極限聲壓是90分貝，96分貝的動態范圍在普通應用中足夠使用，所以96分貝動態范圍內的模擬波，經量化后，不會產生削波失真的。
聲音的位數就相當於畫面的顏色數，表示每個取樣的數據量，當然數據量越大，回放的聲音越准確，不至於把開水壺的叫聲和火車的鳴笛混淆。同樣的道理，對於畫面來說就是更清晰和准確，不至於把血和西紅柿醬混淆。不過受人的器官的機能限制，16位的聲音和24位的畫面基本已經是普通人類的極限了，更高位數就只能靠儀器才能分辨出來了。比如電話就是3kHZ取樣的7位聲音，而CD是44.1kHZ取樣的16位聲音，所以CD就比電話更清楚。
如今市面上所有的主流產品都是16位的采集卡，而並非有些無知商家所鼓吹的64位乃至128位，他們將采集卡的復音概念與采樣位數概念混淆在了一起。如今功能最為強大的采集卡系列采用的EMU10K1芯片雖然號稱可以達到32位，但是它只是建立在Direct Sound加速基礎上的一種多音頻流技術，其本質還是一塊16位的聲卡。應該說16位的采樣精度對於電腦多媒體音頻而言已經綽綽有余了。 很多人都說，就算從原版CD抓軌，再刻錄成CD，重放的音質也是不一樣的，這個也是有道理的，那么，既然0101這樣的二進數是完全克隆的，重放怎么會不一樣呢？那是因為，時基問題造成的數模互換時的差別，並非是克隆過來的二進制數變了，二進制數一個也沒變，時基誤差不一樣，數模轉換后的模擬波的頻率和源相比就會有不一樣。
備注：
MPEG 1 Layer 3是常見的MP3編碼的音頻文件，而所謂的MPEG 2 Layer 3其實只是22050HZ采樣率的MP3，MPEG 2.5 Layer 3也是采用更底采樣率的MP3。所以，MPEG 2 Layer 3、MPEG 2.5 Layer 3根本沒有采用44100HZ或48000HZ采樣率。由於采樣率的偏底，所以MPEG 2 Layer 3、MPEG 2.5 Layer 3音質應該不會比MPEG 1 Layer 3的音質好。